CN108600723A - 一种全景相机的颜色校正方法及评价方法 - Google Patents

一种全景相机的颜色校正方法及评价方法 Download PDF

Info

Publication number
CN108600723A
CN108600723A CN201810804221.2A CN201810804221A CN108600723A CN 108600723 A CN108600723 A CN 108600723A CN 201810804221 A CN201810804221 A CN 201810804221A CN 108600723 A CN108600723 A CN 108600723A
Authority
CN
China
Prior art keywords
color
image
correction
component
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810804221.2A
Other languages
English (en)
Inventor
刘娟
许会
陈捷
李文军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changsha Full Image Technology Co Ltd
Original Assignee
Changsha Full Image Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Changsha Full Image Technology Co Ltd filed Critical Changsha Full Image Technology Co Ltd
Priority to CN201810804221.2A priority Critical patent/CN108600723A/zh
Publication of CN108600723A publication Critical patent/CN108600723A/zh
Pending legal-status Critical Current

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/68—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits
    • H04N9/69—Circuits for processing colour signals for controlling the amplitude of colour signals, e.g. automatic chroma control circuits for modifying the colour signals by gamma correction
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N9/00—Details of colour television systems
    • H04N9/64—Circuits for processing colour signals
    • H04N9/73—Colour balance circuits, e.g. white balance circuits or colour temperature control

Abstract

本发明提供了一种颜色校正方法及评价方法，属于图像处理技术领域。该方法包括步骤：S1：采集预定环境中包含标准色卡的原始图像；S2：对所述原始图像进行预处理；S3：提取所述预处理图像的R、G、B均值参数；S4：基于多项式回归校正模型，获取参考图像与观测图像的校正系数；S5：建立参考图像与真实图像的颜色校正模型，获取颜色校正系数；S6：利用训练好的颜色校正模型及校正系数，在线校正相机图像。本方法能有效地保持图像的恒常性以及还原实际场景的颜色，有效地提高了全景相机的图像画质。

Description

一种全景相机的颜色校正方法及评价方法
技术领域
本发明涉及图像处理领域，尤其涉及一种全景相机的颜色校正方法及评价方法。
背景技术
图像颜色是反映被观察对象的重要信息，因为光照条件、拍摄视角和镜头模组的差异，相机拍摄的图像与实际场景图像相比存在颜色失真，不能完全再现真实物体的颜色。颜色校正是颜色还原、实现颜色一致性呈现的关键技术。目前，颜色校正技术在医学图像、证照图像、拍照设备等图像处理领域中得到了应用。
针对颜色失真问题，有很多图像颜色校正的方法相继提出，主要分为传统方法和深度学习方法，传统方法采集的图像样本较少，运算复杂度低，但其精度与选取的校正模型和样本集密切相关。深度学习方法，通过采集足够的训练样本，从局部特征到全局特征逐层抽象，运算复杂度高，但可获得较为理想的颜色还原效果。
发明内容
本发明提供了一种颜色校正方法及评价方法，该方法包括步骤：
S1：采集预定环境中包含标准色卡的原始图像；
S2：对所述原始图像进行预处理；
S3：提取所述预处理图像的R、G、B均值参数；
S4：基于多项式回归校正模型，获取参考图像与观测图像的校正系数；
S5：建立参考图像与真实图像的颜色校正模型，获取颜色校正系数；
S6：利用训练好的颜色校正模型及校正系数，在线校正相机图像。
优选地，所述原始图像采用raw格式进行无损存储。
优选地，在步骤S2中所述的预处理包括黑电平校正、白平衡校正、demosaic以及gamma校正图像预处理。
优选地，所述步骤S3包括：对所述预处理图像的标准色块进行测定，提取每个色块中选定区域的每个像素点的R、G、B分量值，并计算得到红色分量平均值avgR、绿色分量平均值avgG、蓝色分量平均值avgB。
优选地，所述步骤S4中的多项式回归校正模型计算公式为：
其中，
其中，Rr、Gr、Br为参考图像的R、G、B分量值，Ro、Go、Bo为观测图像的R、G、B分量值。
优选地，所述步骤S5具体为：将参考图像24个色块的红色R、绿色G、蓝色B分量平均值及对应真实值代入颜色校正方程，按照最小二乘法原理，计算得到红色R、绿色G、蓝色B分量的颜色校正系数矩阵C3×3，颜色校正系数矩阵计算公式为：
s.t.C11+C12+C13＝1，C21+C22+C23＝1，C31+C32+C33＝1
其中，avgRt、avgGt、avgBt为D65光源下R、G、B分量的真实值，avgRr、avgGr、avgBr表示参考图像的R、G、B分量值。
优选地，所述步骤S6包括，对所述步骤S2获取的预处理后的观测图像，利用所述步骤S4获取的多项式回归校正系数进行颜色校正，获得第一校正后图像；对第一校正后图像采用所述步骤S5获取的颜色校正系数进行校正，得到反映目标真实色彩的R分量、G分量、B分量，获得第二校正后图像。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种全景相机的颜色校正方法流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明了，下面结合具体实施方式并参照附图，对本发明进一步详细说明。应该理解，这些描述只是示例性的，而并非要限制本发明的范围。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本发明的概念。
本发明针对全景相机的颜色失真问题，提供了一种颜色校正方法及评价方法，该方法能很好地还原实际场景的颜色，有效地提高了全景相机的图像画质。如图1所示，该方法包括以下步骤：
S1：采集预定环境中包含标准色卡的原始图像；
预定环境包括：
1、暗室环境下，采用灯箱的国际标准人工日光D65光源,以45°角照射到色卡上，拍摄参考图像；
2、室外不同天气(晴天、阴天)不同时间段(早晨、上午、中午、傍晚等)场景，拍摄色卡图像，以使所拍摄场景包括各种不同条件的光照及亮度。
在每个场景中，需要放置一块标准色卡，所述标准色卡可以为24色标准色卡，以便于对拍摄到的图像进行光照测定，所拍摄图像采用raw格式进行无损存储。
S2：对所述原始图像进行预处理；
具体地，对所述原始raw图像进行黑电平校正、白平衡校正、demosaic以及gamma校正等图像预处理；另外，对色卡图像中的每个色块进行分割，且每个色块选取相同尺寸大小的区域。
S3：提取所述预处理图像的R、G、B均值参数；
具体地，对所述预处理图像的标准色块进行测定，提取每个色块中选定区域的每个像素点的R、G、B分量值，并计算得到红色分量平均值avgR、绿色分量平均值avgG、蓝色分量平均值avgB。
其中，灯箱D65光源下采集的色块图像对应的红色分量平均值、绿色分量平均值、蓝色分量平均值作为参考值，记为avgRr、avgGr、avgBr；室外不同天气、不同时间拍摄的色卡图像对应的红色分量平均值、绿色分量平均值、蓝色分量平均值作为观测值，记为avgRo、avgGo、avgBo值。
S4：基于多项式回归校正模型，获取参考图像与观测图像的校正系数；
优选地，为校正不同光照强度对图像的颜色造成的差异，本发明基于多项式回归校正模型对其进行校正，实现颜色的恒常性。
具体地，采用如下多项式回归校正模型，将观测样本图像的R、G、B分量值，以及参考图像的R、G、B分量值代入校正方程中，利用最小二乘法原理，计算系数矩阵A3×9。
式中，
其中，Rr、Gr、Br为参考图像的R、G、B分量值，Ro、Go、Bo为观测图像的R、G、B分量值。
S5：建立参考图像与真实图像的颜色校正模型，获取颜色校正系数；
进一步优选地，为减小相机拍摄的图像与真实场景图像的颜色差异，本发明采用D65国际标准人工日光下拍摄标准色卡图像，与真实值进行比较，计算两者之间的关系矩阵，尽可能使得相机拍摄的图像颜色还原。
具体地，将参考图像24个色块的红色R、绿色G、蓝色B分量平均值及对应真实值代入颜色校正方程，按照最小二乘法原理，计算得到红色R、绿色G、蓝色B分量的颜色校正系数矩阵C3×3，颜色校正系数矩阵计算公式为：
s.t.C11+C12+C13＝1，C21+C22+C23＝1，C31+C32+C33＝1
其中，avgRt、avgGt、avgBt为D65光源下R、G、B分量的真实值，avgRr、avgGr、avgBr表示参考图像的R、G、B分量值。
S6：利用训练好的颜色校正模型及校正系数，在线校正相机图像。
为校正不同光照强度对图像颜色造成的差异，对所述步骤2获取的预处理后的观测图像，利用所述步骤4获取的多项式回归校正系数进行颜色校正，获得第一校正后图像；进一步地，为减小相机拍摄图像的颜色失真，对第一校正后图像，采用所述步骤5获取的颜色校正系数进行校正，得到反映目标真实色彩的R分量、G分量、B分量，获得第二校正后图像。
具体地，首先，将待处理观测图像的每个色块的R、G、B分量平均值avgRo、avgGo、avgBo组成向量依次代入多项式回归校正公式进行校正，得到第一校正后图像的R、G、B分量平均值：
其中，avgRo1、avgGo1、avgBo1表示第一次校正后的R、G、B分量平均值，avgRo、avgGo、avgBo表示校正前的R、G、B分量平均值。
然后，将第一校正后图像的每个色块的R、G、B分量平均值，依次代入如下校正模型进行校正，得到第二校正后图像的R、G、B分量平均值：
其中，avgRo2、avgGo2、avgBo2表示第二次校正后的R、G、B分量平均值，avgRo1、avgGo1、avgBo1表示第一次校正后的R、G、B分量平均值。
为验证所述颜色校正模型及校正系数的有效性，本发明采用CIELAB颜色空间定量计算校正后图像与真实值的颜色误差，计算公式如下：
其中，为总色差均值，ΔL*为明度差，Δa*和Δb*为色度差。
针对不同光照条件下图像的颜色不一致以及颜色失真问题，本发明提出了一种全景相机的颜色校正方法，能有效地保持图像的恒常性以及还原实际场景的颜色，有效地提高了全景相机的图像画质。
应当理解的是，本发明的上述具体实施方式仅仅用于示例性说明或解释本发明的原理，而不构成对本发明的限制。因此，在不偏离本发明的精神和范围的情况下所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。此外，本发明所附权利要求旨在涵盖落入所附权利要求范围和边界、或者这种范围和边界的等同形式内的全部变化和修改例。

Claims (7)

1.一种颜色校正方法及评价方法，该方法包括步骤：
S1：采集预定环境中包含标准色卡的原始图像；
S2：对所述原始图像进行预处理；
S3：提取所述预处理图像的R、G、B均值参数；
S4：基于多项式回归校正模型，获取参考图像与观测图像的校正系数；
S5：建立参考图像与真实图像的颜色校正模型，获取颜色校正系数；
S6：利用训练好的颜色校正模型及校正系数，在线校正相机图像。
2.根据权利要求1所述的一种颜色校正方法及评价方法，其特征在于，所述原始图像采用raw格式进行无损存储。
3.根据权利要求1所述的一种颜色校正方法及评价方法，其特征在于，在步骤S2中所述的预处理包括黑电平校正、白平衡校正、demosaic以及gamma校正图像预处理。
4.根据权利要求1所述的一种颜色校正方法及评价方法，其特征在于，所述步骤S3包括：对所述预处理图像的标准色块进行测定，提取每个色块中选定区域的每个像素点的R、G、B分量值，并计算得到红色分量平均值avgR、绿色分量平均值avgG、蓝色分量平均值avgB。
5.根据权利要求1所述的一种颜色校正方法及评价方法，其特征在于，所述步骤S4中的多项式回归校正模型计算公式为：
其中，
其中，Rr、Gr、Br为参考图像的R、G、B分量值，Ro、Go、Bo为观测图像的R、G、B分量值。
6.根据权利要求1所述的一种颜色校正方法及评价方法，其特征在于，所述步骤S5具体为：将参考图像24个色块的红色R、绿色G、蓝色B分量平均值及对应真实值代入颜色校正方程，按照最小二乘法原理，计算得到红色R、绿色G、蓝色B分量的颜色校正系数矩阵C3×3，颜色校正系数矩阵计算公式为：
s.t.C11+C12+C13＝1，C21+C22+C23＝1，C31+C32+C33＝1
其中，avgRt、avgGt、avgBt为D65光源下R、G、B分量的真实值，avgRr、avgGr、avgBr表示参考图像的R、G、B分量值。
7.根据权利要求1所述的一种颜色校正方法及评价方法，其特征在于，所述步骤S6包括，对所述步骤S2获取的预处理后的观测图像，利用所述步骤S4获取的多项式回归校正系数进行颜色校正，获得第一校正后图像；对第一校正后图像采用所述步骤S5获取的颜色校正系数进行校正，得到反映目标真实色彩的R分量、G分量、B分量，获得第二校正后图像。
CN201810804221.2A 2018-07-20 2018-07-20 一种全景相机的颜色校正方法及评价方法 Pending CN108600723A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810804221.2A CN108600723A (zh) 2018-07-20 2018-07-20 一种全景相机的颜色校正方法及评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810804221.2A CN108600723A (zh) 2018-07-20 2018-07-20 一种全景相机的颜色校正方法及评价方法

Publications (1)

Publication Number Publication Date
CN108600723A true CN108600723A (zh) 2018-09-28

Family

ID=63617836

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810804221.2A Pending CN108600723A (zh) 2018-07-20 2018-07-20 一种全景相机的颜色校正方法及评价方法

Country Status (1)

Country Link
CN (1) CN108600723A (zh)

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109523485A (zh) * 2018-11-19 2019-03-26 Oppo广东移动通信有限公司 图像颜色校正方法、装置、存储介质及移动终端
CN111062876A (zh) * 2018-10-17 2020-04-24 北京地平线机器人技术研发有限公司 用于校正模型训练和图像校正的方法和装置及电子设备
CN111292246A (zh) * 2018-12-07 2020-06-16 上海安翰医疗技术有限公司 图像颜色校正方法、存储介质及内窥镜
CN111355941A (zh) * 2020-04-01 2020-06-30 深圳市菲森科技有限公司 图像颜色实时校正方法、装置和系统
CN112399162A (zh) * 2019-08-16 2021-02-23 浙江宇视科技有限公司 一种白平衡校正方法、装置、设备和存储介质
WO2021051307A1 (zh) * 2019-09-18 2021-03-25 深圳市大疆创新科技有限公司 图像的颜色校正方法、拍摄设备、图像的颜色校正系统
CN113143521A (zh) * 2020-12-07 2021-07-23 深圳云甲科技有限公司 一种三维扫描设备采集图像的颜色矫正方法
CN113516132A (zh) * 2021-03-25 2021-10-19 杭州博联智能科技股份有限公司 基于机器学习的颜色校准方法、装置、设备及介质
CN113923429A (zh) * 2021-12-16 2022-01-11 成都索贝数码科技股份有限公司 一种基于色卡的颜色校正方法
CN114513585A (zh) * 2022-03-08 2022-05-17 卡乐微视科技(云南)有限公司 一种从照相机到打印机颜色再现方法
WO2022170482A1 (zh) * 2021-02-09 2022-08-18 深圳市大疆创新科技有限公司 一种颜色标定方法、控制器、相机、电子设备及存储介质
CN115937207A (zh) * 2023-01-09 2023-04-07 江苏恒力化纤股份有限公司 一种图像式染色涤纶织物颜色测量方法
CN117649661A (zh) * 2024-01-30 2024-03-05 青岛超瑞纳米新材料科技有限公司 一种碳纳米管制备状态图像处理方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101448085A (zh) * 2008-12-26 2009-06-03 北京中星微电子有限公司 一种支持人脸检测的摄像处理方法和系统
CN103905803A (zh) * 2014-03-18 2014-07-02 中国科学院国家天文台 一种图像的颜色校正方法及装置
CN105827897A (zh) * 2015-11-16 2016-08-03 维沃移动通信有限公司 调整卡制作方法、系统、调试色彩校正矩阵方法及设备
CN105872374A (zh) * 2016-04-07 2016-08-17 新绎健康科技有限公司 图像校正装置、诊断装置及图像校正方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101448085A (zh) * 2008-12-26 2009-06-03 北京中星微电子有限公司 一种支持人脸检测的摄像处理方法和系统
CN103905803A (zh) * 2014-03-18 2014-07-02 中国科学院国家天文台 一种图像的颜色校正方法及装置
CN105827897A (zh) * 2015-11-16 2016-08-03 维沃移动通信有限公司 调整卡制作方法、系统、调试色彩校正矩阵方法及设备
CN105872374A (zh) * 2016-04-07 2016-08-17 新绎健康科技有限公司 图像校正装置、诊断装置及图像校正方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
徐晓昭等: "颜色校正方法及其在图像处理中的应用", 《计算机应用研究》 *
曾兆滨等: "基于多项式回归的四带图像偏色校正算法", 《计算机系统应用》 *

Cited By (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111062876A (zh) * 2018-10-17 2020-04-24 北京地平线机器人技术研发有限公司 用于校正模型训练和图像校正的方法和装置及电子设备
CN111062876B (zh) * 2018-10-17 2023-08-08 北京地平线机器人技术研发有限公司 用于校正模型训练和图像校正的方法和装置及电子设备
CN109523485A (zh) * 2018-11-19 2019-03-26 Oppo广东移动通信有限公司 图像颜色校正方法、装置、存储介质及移动终端
CN111292246A (zh) * 2018-12-07 2020-06-16 上海安翰医疗技术有限公司 图像颜色校正方法、存储介质及内窥镜
CN111292246B (zh) * 2018-12-07 2024-03-01 上海安翰医疗技术有限公司 图像颜色校正方法、存储介质及内窥镜
CN112399162A (zh) * 2019-08-16 2021-02-23 浙江宇视科技有限公司 一种白平衡校正方法、装置、设备和存储介质
WO2021051307A1 (zh) * 2019-09-18 2021-03-25 深圳市大疆创新科技有限公司 图像的颜色校正方法、拍摄设备、图像的颜色校正系统
CN111355941B (zh) * 2020-04-01 2022-01-07 深圳市菲森科技有限公司 图像颜色实时校正方法、装置和系统
CN111355941A (zh) * 2020-04-01 2020-06-30 深圳市菲森科技有限公司 图像颜色实时校正方法、装置和系统
CN113143521A (zh) * 2020-12-07 2021-07-23 深圳云甲科技有限公司 一种三维扫描设备采集图像的颜色矫正方法
WO2022170482A1 (zh) * 2021-02-09 2022-08-18 深圳市大疆创新科技有限公司 一种颜色标定方法、控制器、相机、电子设备及存储介质
CN113516132A (zh) * 2021-03-25 2021-10-19 杭州博联智能科技股份有限公司 基于机器学习的颜色校准方法、装置、设备及介质
CN113516132B (zh) * 2021-03-25 2024-05-03 杭州博联智能科技股份有限公司 基于机器学习的颜色校准方法、装置、设备及介质
CN113923429A (zh) * 2021-12-16 2022-01-11 成都索贝数码科技股份有限公司 一种基于色卡的颜色校正方法
CN114513585A (zh) * 2022-03-08 2022-05-17 卡乐微视科技(云南)有限公司 一种从照相机到打印机颜色再现方法
CN115937207A (zh) * 2023-01-09 2023-04-07 江苏恒力化纤股份有限公司 一种图像式染色涤纶织物颜色测量方法
CN115937207B (zh) * 2023-01-09 2023-08-01 江苏恒力化纤股份有限公司 一种图像式染色涤纶织物颜色测量方法
CN117649661A (zh) * 2024-01-30 2024-03-05 青岛超瑞纳米新材料科技有限公司 一种碳纳米管制备状态图像处理方法
CN117649661B (zh) * 2024-01-30 2024-04-12 青岛超瑞纳米新材料科技有限公司 一种碳纳米管制备状态图像处理方法

Similar Documents

Publication Publication Date Title
CN108600723A (zh) 一种全景相机的颜色校正方法及评价方法
CN107507250B (zh) 一种基于卷积神经网络的面色舌色图像颜色校正方法
CA3016429C (en) Combined hdr/ldr video streaming
CN108024055B (zh) 白平衡处理的方法、装置、移动终端和存储介质
Cauwerts et al. Comparison of the vignetting effects of two identical fisheye lenses
CN105979238A (zh) 一种多摄像头全局成像一致性控制方法
CN111292246B (zh) 图像颜色校正方法、存储介质及内窥镜
CN106169182B (zh) 一种合成多幅不同曝光度图像的方法
CN109191403A (zh) 图像处理方法和装置、电子设备、计算机可读存储介质
CN108712608A (zh) 终端设备拍摄方法和装置
CN103268596B (zh) 一种降低图像噪声和使颜色接近标准的方法
CN107396079B (zh) 白平衡调整方法和装置
CN108088658A (zh) 一种眩光测量方法及其测量系统
CN108989789B (zh) 一种摄像头成像质量实时评价方法
CN107995396B (zh) 一种双摄像头模组以及终端
CN107682611B (zh) 对焦的方法、装置、计算机可读存储介质和电子设备
CN107580205B (zh) 白平衡调整方法和装置
CN113676715B (zh) 图像处理方法及装置
CN109427041A (zh) 一种图像白平衡方法及系统、存储介质及终端设备
CN108270952A (zh) 一种双目摄像机影像色差的校正方法及系统
Pierson et al. Luminance maps from High Dynamic Range imaging: calibrations and adjustments for visual comfort assessment
Kuhna et al. Method for evaluating tone mapping operators for natural high dynamic range images
CN107635124B (zh) 人脸拍摄的白平衡处理方法、装置及设备
CN109040618A (zh) 视频生成方法和装置、存储介质、电子设备
CN107454318A (zh) 图像处理方法、装置、移动终端及计算机可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20180928

RJ01 Rejection of invention patent application after publication